The integrated squared error estimation of parameters
参数的积分平方误差估计AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要研究通用特征函数距离估计，稳定分布本身不足以支持金融风险等细分分类。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
参数的积分平方误差估计
- 研究问题
- 如何把基于经验特征函数距离的稳定分布参数估计推广至更一般情形，并确定估计量一致性、中心极限定理及效率鲁棒性问题？
- 方法与思路
- 作者通过最小化由经验特征函数确定的距离构造参数估计，利用特征函数的可微性和有界二阶导数条件分析渐近性质。
- 材料陈述的贡献
- 摘要称在可微条件下建立一致性，并在有界二阶导数要求下得到一个或多个参数估计的中心极限定理，同时讨论效率与鲁棒性。
- 阅读关注点
- 核对距离的积分权重、参数空间及识别条件、导数要求的具体对象，并区分已证明的效率或鲁棒性结果与仅讨论的部分。
- 阅读边界
- 所据为稿件版本未注明的 OpenAlex 索引摘要。摘要未列完整条件、极限方差或效率比较，不能据此认定方法普遍高效或稳健。
原文摘要
The paper develops in a more general setting the methods used by Paulson, Holcomb & Leitoh (1976) to estimate the parameters of a stable law. The statistic considered minimizes a distance function determined by the empirical characteristic function. Consistency is established under the condition of differentiability of the characteristic function and the existence of bounded second derivatives is required to obtain a central limit theorem for the estimators of one or more parameters. Questions concerning efficiency and robustness are discussed.